(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111617341.X (22)申请日 2021.12.28 (65)同一申请的已公布的文献号 申请公布号 CN 113989597 A (43)申请公布日 2022.01.28 (73)专利权人 中科视语 （北京） 科技有限公司 地址 102300 北京市门头沟区石龙 经济开 发区永安路20号3号楼 A-6193室 (72)发明人 王金桥　郭海云　李巍　赵朝阳　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 代理人 任少瑞 (51)Int.Cl. G06V 10/774(2022.01) G06K 9/62(2022.01)(56)对比文件 CN 111553205 A,2020.08.18 CN 112990371 A,2021.0 6.18 CN 113283507 A,2021.08.20 CN 112766281 A,2021.0 5.07 CN 110097033 A,2019.08.0 6 US 2020097742 A1,2020.0 3.26 Zhedong Zheng等.Go ing Beyond Real Data: A Robust Visual Representati on for Vehicle Re-identificati on. 《2020 IE EE/CVF Conference o n Computer Visi on and Pat tern Recognition Workshops 》 .2020, Pengfei Fang等.Set Augmented Triplet Loss for Video Perso n Re-Identificati on. 《2021 IE EE Winter Conference o n Applications of Computer Visi on》 .2021, 审查员 王欣玥 (54)发明名称 车辆重识别方法、 装置、 电子设备及存储介 质 (57)摘要 本发明提供车辆重识别方法、 装置、 电子设 备及存储介质， 其中方法包括： 获取待识别的车 辆图像； 将车辆图像输入至车辆重识别模型， 得 到车辆重识别模型输出的车辆识别结果； 其中， 车辆重识别模 型是基于多个样 本车辆标注结果， 以及每一样本车辆标注结果对应的多个样本车 辆图像训练得到的； 车辆重识别模 型的损失函数 用于表征在基于每一样本车辆标注结果对应的 所有样本车辆图像的特征， 对每一样本车辆标注 结果对应的各个样本车辆图像的特征进行扩增 的情况下车辆重识别模型的增强交叉熵损失和 增强三元组损失。 本发明提供的方法、 装置、 电子 设备及存储介质， 扩增后的特征包含了更丰富的 语义信息， 提高了模型的泛化能力和识别准确 度。 权利要求书3页 说明书13页 附图2页 CN 113989597 B 2022.04.05 CN 113989597 B 1.一种车辆 重识别方法， 其特 征在于， 包括： 获取待识别的车辆图像； 将所述车辆图像输入至车辆重识别模型， 得到所述车辆重识别模型输出的车辆识别结 果； 其中， 所述车辆重识别模型是基于多个样本车辆标注结果， 以及每一样本车辆标注结 果对应的多个样本车辆图像训练得到的； 所述车辆重识别模型的损 失函数用于表征在基于每一样本车辆标注结果对应的所有 样本车辆图像的特征， 对每一样本车辆标注结果对应的各个样本车辆图像的特征进行扩增 的情况下所述车辆 重识别模型的增强交叉熵损失和 增强三元组损失； 所述基于每一样本车辆标注结果对应的所有样本车辆图像的特征， 对每一样本车辆标 注结果对应的各个样本车辆图像的特 征进行扩增， 包括： 其中， 为样本车辆图像 的特征， 为样本车辆图像 的扩增特征， 为高维高斯分布， 为样本车辆图像 的样本车辆标注结果， 为 对应的所有样本车辆图像的特征的 方差矩阵或者协方差矩阵， 为调整系数； 所述车辆 重识别模型的损失函数为： 其中， 为所述车辆重识别模型的损失函数， 为增强交叉熵损失函数， 为 增强三元组损失函数， 为所述增强交叉熵损失函数的权重， 为所述增强三元组损失函 数的权重； 所述车辆 重识别模型的增强交叉熵损失函数为： 其中， 为样本车辆图像 的数量， 为样本车辆标注结果的数量， 为 对应的全 连接层权重， 为 对应的全连接层 偏差， 为样本车辆标注结果 对应的全连接层权 重， 为样本车辆标注结果 对应的全连接层偏差， ， 为转置运算 符号。 2.根据权利要求1所述的车辆重识别方法， 其特征在于， 所述车辆重识别模型的增强三 元组损失函数为：权　利　要　求　书 1/3 页 2 CN 113989597 B 2其中， 为样本车辆图像的每个训练批 次数量， 为每个训练批次中样本车辆标注结果 的数量， 为每个训练批次中单个样本车辆标注结果对应的样本车辆图像的数量， 为训练 批次的标号， 为样本车辆标注结果的标号， 为单个样本车辆标注结果对应的样本车辆图 像的标号， 为目标扩增特征 与正样本扩增特征 之间的距离， 为目 标扩增特 征 与负样本扩增特 征 之间的距离， 为正负样本对之间的距离阈值； 其中， 所述目标扩增特征 、 所述正样本扩增特征 和所述负样本扩增特征 是基 于各个样本车辆图像的扩增特 征确定的。 3.根据权利要求1或2所述的车辆重识别方法， 其特征在于， 所述将所述车辆 图像输入 至车辆重识别模型， 得到所述车辆 重识别模型输出的车辆识别结果， 包括： 将所述车辆图像输入至所述车辆重识别模型的特征提取层， 得到所述特征提取层输出 的特征； 将所述特征输入至所述车辆重识别模型的特征处理层， 得到所述特征处理层输出的归 一化特征； 将所述归一化特征输入至所述车辆重识别模型的特征识别层， 得到所述特征识别层输 出的车辆识别结果。 4.根据权利要求3所述的车辆 重识别方法， 其特 征在于， 所述特 征提取层为ResNet。 5.一种车辆 重识别装置， 其特 征在于， 包括： 获取单元， 用于获取待识别的车辆图像； 识别单元， 用于将所述车辆 图像输入至车辆重识别模型， 得到所述车辆重识别模型输 出的车辆识别结果； 其中， 所述车辆重识别模型是基于多个样本车辆标注结果， 以及每一样本车辆标注结 果对应的多个样本车辆图像训练得到的； 所述车辆重识别模型的损 失函数用于表征在基于每一样本车辆标注结果对应的所有 样本车辆图像的特征， 对每一样本车辆标注结果对应的各个样本车辆图像的特征进行扩增 的情况下所述车辆 重识别模型的增强交叉熵损失和 增强三元组损失； 所述装置基于如下公式进行 特征扩增： 其中， 为样本车辆图像 的特征， 为样本车辆图像 的扩增特征， 为高维高斯分布， 为样本车辆图像 的样本车辆标注结果， 为 对应的所有样本车辆图像的特征的权　利　要　求　书 2/3 页 3 CN 113989597 B 3